算法显示了在全身麻醉下测量意识丧失的准确性

麻醉药作用于大脑，但是大多数麻醉医师依靠心率，呼吸频率和运动来推断手术患者是否保持昏迷至所需程度。在一项新的研究中，麻省理工学院和马萨诸塞州总医院的一个研究小组表明，一种简单的人工智能方法，与所使用的麻醉剂相协调，可以产生一种算法，该算法可以基于大脑活动以高精度和可靠性来评估患者的意识障碍。

“麻醉师心目中最重要的一件事是'我有没有一个人躺在我的面前可能是有意识的，而我却没有意识到?”能够在手术过程中可靠地保持患者的无意识是我们所做工作的基础，”资深作者Emery N. Brown，皮克尔学习与记忆研究所和麻省理工学院医学工程与科学研究所的Edward Edward Taplin教授说，和MGH的麻醉师。“这是向前迈出的重要一步。”

布朗补充说，新算法不仅可以提供良好的意识意识，而且还可以使麻醉师将其维持在所需水平，同时使用的药物少于根据较少直接，准确和可靠的指标而可能使用的药物。这样可以改善病人的术后预后，例如del妄。

布朗也是哈佛大学医学院的教授，他说：“我们可能总是有点'落伍'。”“但是我们能做到足够准确吗，以免我们给人们的剂量超过需要的量?”

例如，算法用于驱动输液泵，可以帮助麻醉师精确地节流药物输送，以优化患者的状态和所接受的剂量。

人工智能，真实世界的测试

为了开发这项技术，博士后John Abel和Marcus Badgeley领导了这项研究，该研究发表在PLOS ONE[LINK TBD]，他们在2013年收集的一组出色数据上训练了机器学习算法。在该研究中，20多岁的10名健康志愿者接受了常用的异丙酚的麻醉。由于使用计算机控制的给药方法有条不紊地提高了剂量，志愿者被要求对一个简单的请求做出回应，直到他们不再这样做为止。然后，当他们随着剂量减少而恢复意识时，他们变得能够再次做出反应。一直以来，脑电图(EEG)电极记录了反映其大脑活动的神经节律，从而在测得的大脑活动与表现出的意识丧失之间提供了直接，实时的联系。

在这项新工作中，Abel，Badgeley及其团队根据不同的基础统计方法，对来自7名志愿者的33,000多个2秒长的EEG录音片段进行了训练，以优化其AI算法的版本。这样，算法可以“学习”在异丙酚下可预测意识和无意识的脑电图读数之间的差异。然后研究人员以三种方式对算法进行了测试。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！